预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共15页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111507812A(43)申请公布日2020.08.07(21)申请号202010624426.X(22)申请日2020.07.02(71)申请人成都晓多科技有限公司地址610000四川省成都市天府新区华阳街道华府大道一段1号2栋2单元19楼1903号(72)发明人王思宇江岭(74)专利代理机构成都睿道专利代理事务所(普通合伙)51217代理人薛波(51)Int.Cl.G06Q30/06(2012.01)G06F16/35(2019.01)G06F16/36(2019.01)权利要求书3页说明书9页附图2页(54)发明名称一种基于属性和标题的商品搭配推荐方法及装置(57)摘要本发明公开了一种基于属性和标题的商品搭配推荐方法及装置,该方法通过获取一段时间内的用户订单信息获得获取商品间的搭配得分,并根据搭配得分的情况能够获得搭配得分较高的候选商品集,并且通过引入异质共现频率与异质共现逆频率来降低热门商品对商品间搭配的影响,从而获得较为准确的候选商品集;同时通过获取商品风格等属性的向量与商品标题的向量,并将两种类型的向量映射到向量空间中,学习两个商品间的搭配度,建立商品搭配模型,进而基于商品属性和标题更准确的获取商品间的搭配率;再根据用户购买或询问的商品信息,从该商品的候选商品集中能够匹配出搭配度最高的一个候选商品,该装置基于该方法,以精准推荐搭配商品为目的。CN111507812ACN111507812A权利要求书1/3页1.一种基于属性和标题的商品搭配推荐方法,其特征在于,其步骤如下:步骤S1,获取候选商品集中商品标题编码与商品属性编码的表示向量,并将两个向量映射到向量空间模型中,通过神经网络提取向量特征并训练学习商品间的搭配概率;步骤S2,使用训练后的向量空间模型从候选商品集中挑选出最搭配的商品。2.根据权利要求1所述的方法,其特征在于,所述步骤S1包括:步骤S11,对商品标题进行编码并通过卷积操作获取商品标题向量;步骤S12,将商品的多个属性向量化表示,得到商品属性矩阵,其中表示商品属性特征的总数,,为超参数,再将商品属性矩阵拉平获得商品属性向量;步骤S13,将商品的商品标题向量和商品属性向量映射到向量空间模型中,通过神经网络提取向量特征并训练学习商品间的搭配概率。3.根据权利要求2所述的方法,其特征在于,所述步骤S11包括:步骤S111,将商品标题按词划分并作为编码输入,获得矩阵,其中是标题的词长度,每个均来自于词典V,,其中词典V根据商铺商品信息构建而成;步骤S112,对矩阵S作为输入矩阵进行宽卷积操作,获得矩阵,其中,其中为卷积核的尺寸参数;步骤S113,对矩阵C作为输出矩阵进行K-max池化,获得矩阵,其中,为超参数;步骤S114,将矩阵作为输入矩阵重复所述步骤S112和步骤S113,获得矩阵、,其中,为超参数;步骤S115,拉平矩阵获得商品标题向量,其中,,为超参数,为可学习的参数。4.根据权利要求2所述的方法,其特征在于,所述步骤S13包括:将商品的标题向量、和属性向量、映射到向量空间,计算获得两种类型向量的搭配得分,即2CN111507812A权利要求书2/3页,,其中是两个商品的标题在向量空间上的搭配得分,为参数矩阵,用于将数据映射到该矩阵的矩阵空间中,,则是两个商品的属性在向量空间上的搭配得分,同样为参数矩阵,用于将数据映射到该矩阵的矩阵空间中,;通过标题向量搭配得分和属性向量搭配得分计算所述搭配概率,得到,其中,为偏置项。5.根据权利要求1所述的方法,其特征在于,所述候选商品集的获取包括通过一段时间内用户的订单数据来获得商品共现矩阵,通过所述商品共现矩阵获得商品的异质共现频率和异质共现逆频率,并根据商品的所述异质共现频率和异质共现逆频率获得商品间的搭配评分。6.根据权利要求5所述的方法,其特征在于,所述异质共现频率为通过计算商品、的共现次数和与商品共现的商品的次数之和的比值,从而获得商品与商品的异质共现频率,其中,是指商品的共现次数,而是指与商品共现的商品的次数之和。7.根据权利要求6所述的方法,其特征在于,所述异质共现逆频率为通过计算商品总数和与商品共现的商品总数的比值,即异质共现逆频率为,其中是商品总数,而表示与商品共现的商品总数。8.根据权利要求7所述的方法,其特征在于,所述商品、的搭配评分为异质共现频率与异质共现逆频率的乘积即,其中为商品、的搭配的分值,并将所述搭配评分为前个商品作为候选商品集并且与所述候选商品集对应的商品查询集为,其中为第个候选商品,为可变参数,为第个查询商品3CN111507812A权利要求书3/3页。9.根据权利要求8所述的方法,其特征在于,所述步骤S2中所述最搭配的商品的获取如下:用户购买的商品